王琳萍 张 波

甲状腺结节是常见的内分泌肿瘤，在无症状人群中约占19%～67% ，但大部分结节为良性，恶性结节不足10%[1]。如何将甲状腺癌从高发的甲状腺结节中甄别出来，就显得至关重要。

超声是甲状腺结节首选的影像学诊断方法，所有已知或可疑甲状腺结节的患者均应行超声检查[2]。超声用于评估恶性肿瘤的风险，结合结节大小、局部侵犯情况、颈部淋巴结是否转移等推荐细针穿刺活检，在甲状腺结节的全程管理中发挥重要作用[3]。然而，对于经验不足的检查者来说，准确识别和解读超声特征具有挑战性，易引起观察者间和观察者内部的差异，导致不必要的细针穿刺和(或)诊断性手术，故准确诊断甲状腺结节良、恶性既能让患者得到及时治疗，也能减少医疗资源的浪费和缓解患者不必要的紧张、焦虑情绪。

一、甲状腺成像中基于人工智能的计算机辅助诊断系统的开发

为减少甲状腺结节超声诊断的人员依赖性，规范化超声图像的解读，自21世纪初以来，风险评估系统(risk-stratification systems ， RSS)开始用于甲状腺结节超声诊断的有效管理，并由最初简单分类的定性分级系统发展为定量评分系统，即甲状腺影像报告与数据系统(thyroid imaging reporting and data system， TI-RADS)，以可疑超声指标的数量和指标风险评分为依据，进行甲状腺结节的恶性风险分层[4]。

当今各种TI-RADS分类系统已在实践中得到广泛应用。但不足之处在于具有不同风险的Ⅳ类和Ⅴ类甲状腺结节的临床处置相同，所以研究者建议采取分级更精细的RSS，以便对甲状腺结节进行个性化和优化管理[5]。……